机器学习研究如何使用计算机来模拟人类学习活动的一门学科，具体来说，就是从给定的输入样本中，获取样本所对应的数据模型，因此机器学习主要研究如何从数据中找模型或规律的理论，方法和技术。例如给定用户对电影的评分矩阵，利用机器学习可以获取用户的偏好模型；给定一段语音，借助机器学习可以获得语音的特征；给定一幅风景图画，通过机器学习算法可以从中将人物和背景分离开。

目前该团队研究内容覆盖机器学习理论，方法，技术和应用四个层次。（1）机器学习的理论研究，该方向主要研究哪些问题是可学习的模型，学习问题的样本复杂度、通讯复杂度有多大，学习模型的泛化误差界，学习模型的鲁棒性，数学函数的理论性质等；（2）机器学习的方法研究，例如集成方法，矩阵分解方法；深度学习方法，图方法等；（3）机器学习的技术研究，例如多任务学习，多视图学习，多模态学习，张量分析技术，多核学习技术，在线学习技术，大规模并行化技术；（4）机器学习的应用研究，即将机器学习的任务如回归，分类，排序，检索，图模型结构学习，规则学习等应用在现实中的文本处理，音频处理，图像处理，推荐系统等一些具体应用中。

该团队的负责人为刘惊雷，团队共有11名教师，其中教授5人（王立宏，刘惊雷，徐金东，刘兆伟，刘志中），副教授5人（谭征，宋鹏，阎维青，杜晓林，马超青），讲师1人（卢云宏），另外该团队还包含研究生50余人。